MétaCan
Menu
Retour à la cohorte
Enregistrement W3093940124 · doi:10.1002/aoc.6065

A copper diimine‐based honeycomb‐like porous network as an efficient reduction catalyst

2020· article· en· W3093940124 sur OpenAlexaff
Abrar Ahmad, Syed Niaz Ali Shah, Mehwish Arshad, F. Bélanger-Gariépy, Edward R. T. Tiekink, Ziaur Rehman

Notice bibliographique

RevueApplied Organometallic Chemistry · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensUniversité de Montréal
Organismes subventionnairesHigher Education Commision, Pakistan
Mots-clésChemistryCopperCatalysisDiimineZeolitePorosityChemical engineeringHazardous wasteKineticsNitrophenolInorganic chemistryOrganic chemistryWaste management

Résumé

récupéré en direct d'OpenAlex

Nitrophenols are among the widely used industrial chemicals worldwide; however, their hazardous effects on environment are a major concern nowadays. Therefore, the conversion of environmentally detrimental p ‐nitrophenol (PNP) to industrially valuable p ‐aminophenol (PAP), a prototype reaction, is an important organic transformation reaction. However, the traditional conversion of PNP to PAP is an expensive and environmentally unfriendly process. Here, we report a honeycomb‐like porous network with zeolite‐like channels formed by the self‐organization of copper, 1,10‐phenanthroline, 4,4′‐bipyridine, and water. This porous network effectively catalyzed the transformation of hazardous PNP to pharmaceutically valued PAP. In the presence of complex, PNP to PAP conversion occurred in a few minutes, which is otherwise a very sluggish process. To assess the kinetics, the catalytic conversion of PNP to PAP was studied at five different temperatures. The linearity of lnC t /C o versus temperature plot indicated pseudo‐first‐order kinetics. The copper complex with zeolite like channels may find applications as a reduction catalyst both on laboratory and industrial scales and in green chemistry for the remediation of pollutants.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Organometallic ChemistryMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207